基于OPENCV具有眨眼侦测功能的人脸检测系统

随着社会智能化程度的提高,视频图像凭借其直观优势将逐渐取代文字的地位。本文在基于OPENCV的基础上,提出一个具有眨眼侦测功能的人脸检测系统,其中利用相对比较成熟的开源计算机视觉库opencv开源函式库对摄像头实时输入的图像进行采集,对采集图像做前期处理;Adaboost算法由于它特殊的算法模式,可以进行快速的目标检测,因此采用Adaboost算法做人眼定位检测,本文提出的眨眼侦测功能可以为系统提供防伪功能,为人脸识别技术提供一道安全的屏障,实验结果表明,本系统实验了人脸检测,人眼定位,眨眼侦测等功能,检测效率高,效果好。

一种改善人脸识别效率的快速筛选方法研究

人脸识别是一种重要的身份鉴别技术,具有广泛的应用前景。目前,如何使人脸识别系统具有快速且准确的识别效果是值得研究的方向,通过局部显著的特征和有效减少比对次数的分类方法为解决上述问题的方案。现今人脸识别系统多为提取整个人脸图像特征,接着逐一与数据库中的图像进行比对,以获得识别结果。在本文中,提出一种筛选技术,能有效避免比对特征过大和比对次数过多的问题,为了设计出最佳的筛选技术,以变异数分析探讨局部显著特征对识别率的影响,以获得最佳的筛选技术流程。结果显示所提出的筛选技术与原始系统相比,在Extended Yale Face Database B与MECL人脸数据库当中,不仅具有相同的识别率,在识别时间上更提升了105.8%与50%的效率。故证实筛选技术不仅拥有相同的识别效果,还能大幅的降低识别时间。

基于神经网络的疲劳识别研究

研究内容由两个主要部分所组成,分别为人脸侦测(face detect ion)、特征获取(feature extraction),在人脸侦测部分,主要利用肤色侦测等图像处理技术将脸部区块,从复杂背景中取出。在特征获取部分,主要利用唇色侦测、边缘侦测、眼睛侦测等图像处理技术从脸部区块中取出嘴巴、眼睛等特征。在本研究中,建立了一套“疲劳侦测警示设备”,此系统是通过摄影设备获取图像,再利用图像处理技术与疲劳判别技术来监视用户的精神状况,侦测其是否属于清醒状态。